Avertissement au sujet des questions de mesure et de méthodologie associées au suivi et à l’évaluation du coronavirus dans l’ensemble des administrations
Notice bibliographique
Résumé
Alors qu’une pandémie dévastatrice affecte le monde entier, il est essentiel que les décideurs tiennent compte des problèmes de méthodologie et de mesure qui pourraient être associés aux indicateurs de santé publique de la maladie à coronavirus 2019 (COVID-19). Ce commentaire comprend quatre variables principales pour illustrer les questions de mesure et de méthodologie qui peuvent compliquer les comparaisons entre les administrations. L’administration désigne une variété de régions géographiques, comme un pays, un État, une province ou un territoire. Ces variables jouent un rôle essentiel dans la façon dont nous comprenons la trajectoire de la propagation de la maladie. Ces variables contribuent également à notre compréhension des stratégies de prévention et de leur efficacité connexe, reflétant l’impact de la COVID-19 sur les hôpitaux. Il est essentiel que les intervenants en santé publique et le public reconnaissent que ces quatre simples variables peuvent varier considérablement d’une administration à l’autre.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,487 | 0,709 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,012 |
| Communication savante | 0,015 | 0,009 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».